基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

A Statistical Parameter Analysis and SVM Based Fault Diagnosis Strategy for Dynamically Tuned Gyroscopes

Gyro's fault diagnosis plays a critical role in inertia navigation systems for higher reliability and precision. A new fault diagnosis strategy based on the statistical parameter analysis (SPA) and support vector machine (SVM) classification model was proposed for dynamically tuned gyroscopes (DTG). The SPA, a kind of time domain analysis approach, was introduced to compute a set of statistical parameters of vibration signal as the state features of DTG, with which the SVM model, a novel learning machine based on statistical learning theory (SLT), was applied and constructed to train and identify the working state of DTG. The experimental results verify that the proposed diagnostic strategy can simply and effectively extract the state features of DTG, and it outperforms the radial-basis function (RBF) neural network based diagnostic method and can more reliably and accurately diagnose the working state of DTG.     

基于SVM的中小学校门口交通安全评价

根据兰州市安宁区8所中小学校门口调查数据,建立基于支持向量机的中小学校门口交通安全评价模型,利用MATLAB编程,计算8所中小学相对安全情况。结果表明：在数据样本较小的情况下,应用SVM 模型可以较好评价中小学校门口安全等级;在数据充足、影响因素指标赋值规范的情况下,评价效果进一步提高。可以为中小学校门口道路及其附属设施建设提供参考,有效地减少城市儿童道路交通伤害。     

����С�������Ŀ���·��������ʷ���� �˲������о�

交通流时间序列中由于数据采集设备、通讯故障等原因会出现随机扰动,这些扰动对交通特性分析及交通预测的准确性会造成一定影响,因此有必要对交通流原始数据进行滤波处理。小波分析是一种应用比较广泛的滤波方法,但在交通方面应用较少。本文首先对浮动车噪声产生的原因进行分析,然后对小波分析方法进行介绍,确定了滤波评价指标。为便于对滤波效果比较,本文将RTMS系统采集的数据作为真值,选择北京市内多条快速路路段在不同时段进行实验,对比原始数据与滤波处理后的数据与RTMS的相似性及均方误差,表明滤波效果明显。     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

一种新的图像中人眼定位方法

采用一种人脸-人眼两层结构的定位方法.首先利用YCbCr空间的肤色模型粗定位可能的人脸区域,然后利用支持向量机的训练结果组成分类器,对人眼进行初检,最后根据人脸特征完成信息融合,最终标定人眼.实验结果表明:该方法在简单及复杂背景下都能够得到较高的定位速度和精确度,具有较好的鲁棒性.     

Multiple mental tasks classification based on nonlinear parameter of mean period using support vector machines

Mental tusk classification is one of the most important problems in Brain-computer interface. This paper studies the classification of five-class mental tusks. The nonlinear parameter of mean period obtained from frequency domain information was used as features for classification implemented by using the method of SVM （support vector machines）. The averaged classification accuracy of 85. 6% over 7 subjects was achieved for 2-second EEG segments. And the results for EEG segments of 0.5s and 5.0s compared favorably to those of Garrett＇s. The results indicate that the parameter of mean period represents mental tusks well for classification, Furthermore, the method of mean period is less computationally demanding, which indicates its potential use for online BCI systems.     

基于小波和SVR的红外弱小目标检测方法

在分析红外图像弱小目标特征和背景特征的基础上,提出了基于小波变换和支持向量回归（SVR）的自适应滤波的检测方法．该方法首先采用小波变换抑制大部分背景杂波;然后用基于SVR的自适应滤波器（SVRBAF）对高频小波系数进行处理,大大提高了图像的信噪比;最后,基于目标的连续性和运动轨迹的一致性,采用流水线结构的序列处理方法进一步提高检测性能．仿真结果表明：该方法可显著提高红外目标的检测概率,实现较远距离弱小目标的检测．     

基于PSO—SVM的交通流量短时预测

参数选择问题影响了支持向量机预测模型在交通流量中的预测性能。为了解决支持向量机预测模型的参数选择问题,引入了粒子群优化算法机制,通过粒子群优化选择支持向量机预测模型的学习训练参数,得到较优的PSO-SVM预测模型。通过实例仿真实验,将PSO-SVM预测模型与神经网络预测模型进行了比较,显示了其优越性。     

Forecasting of stock returns by using manifold wavelet support vector machine

An admissible manifold wavelet kernel is proposed to construct manifold wavelet support vector machine(MWSVM) for stock returns forecasting.The manifold wavelet kernel is obtained by incorporating manifold theory into wavelet technique in support vector machine(SVM).Since manifold wavelet function can yield features that describe of the stock time series both at various locations and at varying time granularities,the MWSVM can approximate arbitrary nonlinear functions and forecast stock returns accurately.T...     

����PSO-SVM�ľ�����з�ʽԤ��ģ�ͪ�

居民出行方式选择是一个较为复杂的非线性问题,受到的影响因素众多。提出采用支持向量机方法构建了居民出行方式选择模型,并以交叉验证意义下的分类准确率作为适应度函数,利用粒子群算法对支持向量机参数优化选择,避免参数设定的随机性,减少参数选择的工作量.通过实证研究表明,利用粒子群算法优化支持向量机的参数是可行的,支持向量机方法相对于BP神经网络,对居民出行方式预测有更高的精度.预测精度比BP神经网络提高了将近5个百分点,建模样本和测试样本的分类精度分别达到86.20%和82.31%.所构建的模型可用于居民出行方式预测,这对城市交通规划,出行需求预测具有现实指导意义.     

机床设备选择的评价体系研究

对评价机床性能的指标进行了分析归类,建立了机床选择评价的指标体系,并应用层次分析法对数控机床的性能进行了评价。结合对各种数控机床的单个指标的评价得分,得到数控机床的综合得分,从而辅助车间做出科学合理的设备选择决策。     

驾驶人分心状态判别支持向量机模型优化算法

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.     

����PCA�ij��п���·����·�η���ˮƽ����

城市快速路基本路段作为城市快速路的重要组成部分,其服务水平的高低决定了整个城市交通系统运行的通畅性. 为更好的掌握快速路服务水平状态,分析了城市快速路基本路段交通运行特征,车辆构成特征和路段几何特征,建立城市快速路基本路段服务水平评价体系. 借助SPSS分析软件,采用主成分分析法对快速路基本路段服务水平进行计算. 以北京市莲花池西路为例进行实例评价,得到各基本路段各时段的服务水平综合得分,及全天平均服务水平聚类结果. 结果表明,本方法是对传统服务水平计算方法的补充与改善,且聚类分析使得对各基本路段服务水平的分类更明显.     

基于PCA的城市快速路基本路段服务水平评价

城市快速路基本路段作为城市快速路的重要组成部分,其服务水平的高低决定了整个城市交通系统运行的通畅性. 为更好的掌握快速路服务水平状态,分析了城市快速路基本路段交通运行特征,车辆构成特征和路段几何特征,建立城市快速路基本路段服务水平评价体系. 借助SPSS分析软件,采用主成分分析法对快速路基本路段服务水平进行计算. 以北京市莲花池西路为例进行实例评价,得到各基本路段各时段的服务水平综合得分,及全天平均服务水平聚类结果. 结果表明,本方法是对传统服务水平计算方法的补充与改善,且聚类分析使得对各基本路段服务水平的分类更明显.